1.1 PAM聚类

PAM聚类是一种基于质心的划分型聚类算法，其基本思想是：首先将数据对象划分为多个类，在每个类中随机选择一个中心点，将剩余的样本点根据与中心点的相异度或距离划分为最近的一类中；然后反复更新中心点以提高聚类的质量。它与K-means聚类的主要不同在于：第一，距离测度采用绝对距离，聚类目标是找到类内绝对距离之和最小的类；第二，增加了判断本次迭代类质心合理性的步骤。

1.2 多层次模糊综合评价

多层次模糊综合评价首先利用层次分析法对问题进行分层建模，给出评价指标并计算各个指标权重，再利用模糊综合评价法计算各个指标的评估得分以及综合得分。它将层次分析法和模糊综合评价法结合起来，以此减少由于人为设定评价指标权重而造成的结果误差，提高评价模型准确度。